内容简介：数据可视化往往可以帮助我们分析特征构成，寻找特征区间，以及解释实验结果的功能。热力图是常用的数据可视化方法之一。我们函数输入一个dataframe，然后吧图片写入到制定路径就可以了。一般直接打出来显示的不太清晰，还是保存起来比较好。值得注意的是，corr()函数原本计算出来的相关矩阵取值范围是(-1,1)，-1代表最负相关，1代表最正相关，0代表不想关。我认为在机器学习领域，负相关在某种意义上与正相关是一致的。所以不相关才是我们意想中的无意义。所以我给他加上了abs取绝对值
数据可视化往往可以帮助我们分析特征构成，寻找特征区间，以及解释实验结果的功能。热力图是常用的数据可视化方法之一。
代码
def plot_heatmap(df, imagSavePath):
"""
:param df: dataframe, which has column names
:param imagSavePath: save the image to this path
:return: no return, save files
"""
matrix = abs(df.corr())
plt.subplots(figsize=(50, 50)) # 设置画面大小
sns.heatmap(matrix)
plt.savefig(imagSavePath)
复制代码
我们函数输入一个dataframe，然后吧图片写入到制定路径就可以了。一般直接打出来显示的不太清晰，还是保存起来比较好。
值得注意的是，corr()函数原本计算出来的相关矩阵取值范围是(-1,1)，-1代表最负相关，1代表最正相关，0代表不想关。我认为在机器学习领域，负相关在某种意义上与正相关是一致的。所以不相关才是我们意想中的无意义。所以我给他加上了abs取绝对值
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
Effective C# 中文版
Bill Wagner / 李建忠 / 人民邮电出版社 / 2007-5 / 49.00元
本书围绕一些关于C#和.NET的重要主题，包括C#语言元素、.NET资源管理、使用C#表达设计、创建二进制组件和使用框架等，讲述了最常见的50个问题的解决方案，为程序员提供了改善C#和.NET程序的方法。本书通过将每个条款构建在之前的条款之上，并合理地利用之前的条款，来让读者最大限度地学习书中的内容，为其在不同情况下使用最佳构造提供指导。 本书适合各层次的C#程序员阅读，同时可以推荐给高校教......一起来看看 《Effective C# 中文版》 这本书的介绍吧!
